W ciągu pięciu miesięcy od wydania Qwen2-VL deweloperzy zbudowali na jego podstawie nowe modele, dostarczając cennych opinii. Teraz Qwen2.5-VL wprowadza ulepszone możliwości, w tym precyzyjną analizę obrazów, tekstów i wykresów oraz lokalizację obiektów ze strukturalnymi wynikami JSON. Rozumie długie filmy, identyfikuje kluczowe wydarzenia i działa jako agent, współpracujący z narzędziami na komputerach i telefonach. Architektura modelu obejmuje dynamiczne przetwarzanie wideo i zoptymalizowany enkoder ViT dla lepszej szybkości i dokładności.
Amazon Nova Lite to wszechstronny model multimodalny, zaprojektowany do przetwarzania tekstu, obrazów i wideo, generujący tekstowe wyniki. Dzięki oknu kontekstowemu o wielkości 300 000 tokenów doskonale nadaje się do interakcji w czasie rzeczywistym, analizy dokumentów oraz wizualnego odpowiadania na pytania. Jako część modeli bazowych Amazon Nova obsługuje dostrajanie i destylację, umożliwiając zaawansowaną personalizację.
| Qwen2.5-VL-32B | Nova Lite | |
|---|---|---|
Dostawca | ||
Strona internetowa | - | |
Data wydania | Mar 25, 2025 4 tygodnie ago | Dec 02, 2024 4 miesiące ago |
Modalności | tekst obrazy wideo | tekst obrazy wideo |
Dostawcy API | - | Amazon Bedrock |
Data ostatniej aktualizacji wiedzy | Nieznane | Celowo nieujawnione |
Open Source | Tak (Źródło) | Nie |
Cena za wejście | $0 | $0.06 za milion tokenów |
Cena za wyjście | $0 | $0.24 za milion tokenów |
MMLU | 78.4% Źródło | 80.5% CoT Źródło |
MMLU Pro | 49.5% | Niedostępne |
MMMU | 70% | Niedostępne |
HellaSwag | Niedostępne | Niedostępne |
HumanEval | Niedostępne | 85.4% pass@1 Źródło |
MATH | 82.2% | 73.3% CoT Źródło |
GPQA | 46.0% Diamond | 42% Main Źródło |
IFEval | Niedostępne | 89.7% Źródło |
Aplikacja mobilna | - | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2025 All Right Reserved.